512 lines
23 KiB
Text
512 lines
23 KiB
Text
#Nettoyage des colonnes non utilisées
|
|
dfAnimes <- select(dfAnimes, title, mean, rank, annee, saison, num_episodes, source, genres)
|
|
View(dfAnimes)
|
|
View(dfAnimes)
|
|
View(animeCentury)
|
|
View(animeCentury)
|
|
View(animeCentury)
|
|
library("jsonlite")
|
|
library("tidyverse")
|
|
data<-fromJSON("C:\\Users\\Marianne\\Desktop\\projet-analyse-exploratoire\\db_animes\\db_animes.json")
|
|
dfAnimes <- as.data.frame(data)
|
|
#Filtrage des animes sortis avant 1960 (pas de télé :() et après 2021 et des OVAs, films, etc
|
|
dfAnimes %>%
|
|
filter(start_season$year > 1960) %>%
|
|
filter(start_season$year < 2021) %>%
|
|
filter(media_type == "tv") -> dfAnimes
|
|
#Dedoublage de la colonne saison
|
|
dfAnimes %>%
|
|
mutate(annee = start_season$year) %>%
|
|
mutate(saison = start_season$season) -> dfAnimes
|
|
#Transformation de la colonne genre pour la rendre utilisable
|
|
getgenre <- function(i){
|
|
dfAnimes[i,13][[1]][[2]] -> res
|
|
return(res)
|
|
}
|
|
dfAnimes %>%
|
|
mutate(genres = lapply(1:4691, getgenre)) -> dfAnimes
|
|
#Nettoyage des colonnes non utilisées
|
|
dfAnimes <- select(dfAnimes, title, mean, rank, annee, saison, num_episodes, source, genres)
|
|
#Nombre d'animes durant plus de 2 cours (estimés à 30 épisodes) par an => a améliorer
|
|
dfAnimes %>%
|
|
filter(num_episodes>30) %>%
|
|
group_by(annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> longbois
|
|
longbois %>% ggplot(aes(annee, nbAnimes)) + geom_col()
|
|
#Evolution du nombre de lettre (moyenne et médiane) dans les titres par année
|
|
dfAnimes %>%
|
|
group_by(annee) %>%
|
|
summarise(lettres=mean(nchar(data.title))) -> dfAnimes
|
|
dfAnimes %>%
|
|
group_by(annee) %>%
|
|
summarise(lettres=median(nchar(data.title))) -> medLettersByYear
|
|
#Evolution du nombre de lettre (moyenne et médiane) dans les titres par année
|
|
dfAnimes %>%
|
|
group_by(annee) %>%
|
|
summarise(lettres=mean(nchar(title))) -> dfAnimes
|
|
dfAnimes %>%
|
|
group_by(annee) %>%
|
|
summarise(lettres=median(nchar(title))) -> medLettersByYear
|
|
data<-fromJSON("C:\\Users\\Marianne\\Desktop\\projet-analyse-exploratoire\\db_animes\\db_animes.json")
|
|
dfAnimes <- as.data.frame(data)
|
|
#Filtrage des animes sortis avant 1960 (pas de télé :() et après 2021 et des OVAs, films, etc
|
|
dfAnimes %>%
|
|
filter(start_season$year > 1960) %>%
|
|
filter(start_season$year < 2021) %>%
|
|
filter(media_type == "tv") -> dfAnimes
|
|
#Dedoublage de la colonne saison
|
|
dfAnimes %>%
|
|
mutate(annee = start_season$year) %>%
|
|
mutate(saison = start_season$season) -> dfAnimes
|
|
#Transformation de la colonne genre pour la rendre utilisable
|
|
getgenre <- function(i){
|
|
dfAnimes[i,13][[1]][[2]] -> res
|
|
return(res)
|
|
}
|
|
dfAnimes %>%
|
|
mutate(genres = lapply(1:4691, getgenre)) -> dfAnimes
|
|
#Nettoyage des colonnes non utilisées
|
|
dfAnimes <- select(dfAnimes, title, mean, rank, annee, saison, num_episodes, source, genres)
|
|
#Nombre d'animes durant plus de 2 cours (estimés à 30 épisodes) par an => a améliorer
|
|
dfAnimes %>%
|
|
filter(num_episodes>30) %>%
|
|
group_by(annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> longbois
|
|
longbois %>% ggplot(aes(annee, nbAnimes)) + geom_col()
|
|
#Evolution du nombre de lettre (moyenne et médiane) dans les titres par année
|
|
dfAnimes %>%
|
|
group_by(annee) %>%
|
|
summarise(lettres=mean(nchar(title))) -> meanLettersByYear
|
|
dfAnimes %>%
|
|
group_by(annee) %>%
|
|
summarise(lettres=median(nchar(title))) -> medLettersByYear
|
|
meanLettersByYear %>% ggplot(aes(annee, lettres)) + geom_col()
|
|
medLettersByYear %>% ggplot(aes(annee, lettres)) + geom_col()
|
|
#Nombre d'animes originaux par an
|
|
dfAnimes %>%
|
|
filter(source="original") -> og
|
|
#Nombre d'animes originaux par an
|
|
dfAnimes %>%
|
|
filter(source=="original") -> og
|
|
og %>% ggplot((aes(annee, nbAnimes)) + geom_col()
|
|
og %>% ggplot(aes(annee, nbAnimes)) + geom_col()
|
|
og %>% ggplot(aes(annee, nbAnimes)) + geom_col()
|
|
#Nombre d'animes originaux par an
|
|
dfAnimes %>%
|
|
filter(source=="original") %>%
|
|
group_by(annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> og
|
|
og %>% ggplot(aes(annee, nbAnimes)) + geom_col()
|
|
#Nombre sources des animes par an
|
|
dfAnimes %>%
|
|
group_by(source, annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> dFSources
|
|
dFSources %>% ggplot(aes(annee, nbAnimes), color = source) + geom_col()
|
|
dFSources %>% ggplot(aes(annee, nbAnimes, color = source)) + geom_col()
|
|
#Nombre sources des animes par an
|
|
dfAnimes %>%
|
|
filter(source %in% c("original", "manga", "light_novel", "game", "visual_novel", "other", "novel")) %>%
|
|
group_by(source, annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> dFSources
|
|
dFSources %>% ggplot(aes(annee, nbAnimes, color = source)) + geom_col()
|
|
dFSources %>% ggplot(aes(annee, nbAnimes, fill = source)) + geom_col()
|
|
install.packages(wesanderson)
|
|
install.packages("wesanderson"")
|
|
longbois %>% ggplot(aes(annee, nbAnimes)) + geom_point()
|
|
longbois %>% ggplot(aes(annee, nbAnimes)) + geom_point()
|
|
#Nombre d'animes durant plus de 2 cours (estimés à 30 épisodes) par an => a améliorer
|
|
dfAnimes %>%
|
|
filter(num_episodes>30) %>%
|
|
group_by(annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> longbois
|
|
library("jsonlite")
|
|
library("tidyverse")
|
|
data<-fromJSON("C:\\Users\\Marianne\\Desktop\\projet-analyse-exploratoire\\db_animes\\db_animes.json")
|
|
dfAnimes <- as.data.frame(data)
|
|
#Filtrage des animes sortis avant 1960 (pas de télé :() et après 2021 et des OVAs, films, etc
|
|
dfAnimes %>%
|
|
filter(start_season$year > 1960) %>%
|
|
filter(start_season$year < 2021) %>%
|
|
filter(media_type == "tv") -> dfAnimes
|
|
#Dedoublage de la colonne saison
|
|
dfAnimes %>%
|
|
mutate(annee = start_season$year) %>%
|
|
mutate(saison = start_season$season) -> dfAnimes
|
|
#Transformation de la colonne genre pour la rendre utilisable
|
|
getgenre <- function(i){
|
|
dfAnimes[i,13][[1]][[2]] -> res
|
|
return(res)
|
|
}
|
|
dfAnimes %>%
|
|
mutate(genres = lapply(1:4691, getgenre)) -> dfAnimes
|
|
#Nettoyage des colonnes non utilisées
|
|
dfAnimes <- select(dfAnimes, title, mean, rank, annee, saison, num_episodes, source, genres)
|
|
#Nombre d'animes durant plus de 2 cours (estimés à 30 épisodes) par an => a améliorer
|
|
dfAnimes %>%
|
|
filter(num_episodes>30) %>%
|
|
group_by(annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> longbois
|
|
longbois %>% ggplot(aes(annee, nbAnimes)) + geom_point()
|
|
longbois %>% ggplot(aes(annee, nbAnimes)) + geom_line()
|
|
dfAnimes %>%
|
|
group_by(annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> allbois
|
|
#Pourcentage d'animes durant plus de 2 cours (estimés à 30 épisodes) par an => a améliorer
|
|
dfAnimes %>%
|
|
filter(num_episodes>30) %>%
|
|
group_by(annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> longbois
|
|
percLongs <- longbois/allbois*100
|
|
percLongs %>% ggplot(aes(annee, nbAnimes)) + geom_line()
|
|
left_join(longbois, allbois, by=annee) -> test
|
|
left_join(longbois, allbois, by="annee") -> test
|
|
left_join(longbois, allbois, by="annee", suffix = c("-long", "-all")) -> test
|
|
left_join(longbois, allbois, by="annee", suffix = c("_long", "_all")) %>%
|
|
mutate(pourcentage_long = nbAnimes_long/nbAnimes_all*100) dFLong
|
|
left_join(longbois, allbois, by="annee", suffix = c("_long", "_all")) %>%
|
|
mutate(pourcentage_long = (nbAnimes_long/nbAnimes_all*100)) dFLong
|
|
left_join(longbois, allbois, by="annee", suffix = c("_long", "_all")) %>%
|
|
mutate(pourcentage_long = (nbAnimes_long/nbAnimes_all*100)) -> dFLong
|
|
left_join(longbois, allbois, by="annee", suffix = c("_long", "_all")) %>%
|
|
mutate(pourcentage_long = (nbAnimes_long/nbAnimes_all*100)) -> dFLong
|
|
dFLong %>% ggplot(aes(annee, pourcentage_long)) + geom_point() + geom_line()
|
|
longbois %>% ggplot(aes(annee, nbAnimes)) + geom_point() + geom_line()
|
|
#Pourcentage d'animes durant plus de 2 cours (estimés à 30 épisodes) par an => a améliorer
|
|
dfAnimes %>%
|
|
filter(num_episodes>50) %>%
|
|
group_by(annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> longbois
|
|
longbois %>% ggplot(aes(annee, nbAnimes)) + geom_point() + geom_line()
|
|
dfAnimes %>%
|
|
group_by(annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> allbois
|
|
left_join(longbois, allbois, by="annee", suffix = c("_long", "_all")) %>%
|
|
mutate(pourcentage_long = (nbAnimes_long/nbAnimes_all*100)) -> dFLong
|
|
dFLong %>% ggplot(aes(annee, pourcentage_long)) + geom_point() + geom_line()
|
|
#Pourcentage d'animes durant plus de 2 cours (estimés à 30 épisodes) par an => a améliorer
|
|
dfAnimes %>%
|
|
filter(num_episodes>50) %>%
|
|
group_by(annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> longbois
|
|
longbois %>% ggplot(aes(annee, nbAnimes)) + geom_point() + geom_line()
|
|
dfAnimes %>%
|
|
group_by(annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> allbois
|
|
left_join(longbois, allbois, by="annee", suffix = c("_long", "_all")) %>%
|
|
mutate(pourcentage_long = (nbAnimes_long/nbAnimes_all*100)) -> dFLong
|
|
dFLong %>% ggplot(aes(annee, pourcentage_long)) + geom_point() + geom_line()
|
|
meanLettersByYear %>% ggplot(aes(annee, lettres)) + geom_point()+ geom_line()
|
|
medLettersByYear %>% ggplot(aes(annee, lettres)) + geom_col()+ geom_line()
|
|
medLettersByYear %>% ggplot(aes(annee, lettres)) + geom_point()+ geom_line()
|
|
#En quelle saison sortent les meilleurs animes ?
|
|
dfAnimes %>%
|
|
group_by(saison)%>%
|
|
summarise(moy_ratings = mean(rating)) -> dFRatingsSaison
|
|
#En quelle saison sortent les meilleurs animes ?
|
|
dfAnimes %>%
|
|
group_by(saison)%>%
|
|
summarise(moy_ratings = mean(mean)) -> dFRatingsSaison
|
|
#Rename la colonne au nom débile
|
|
rename(dfAnimes, note = mean) -> dfAnimes
|
|
#En quelle saison sortent les meilleurs animes ?
|
|
dfAnimes %>%
|
|
group_by(saison)%>%
|
|
summarise(moy_ratings = mean(note)) -> dFRatingsSaison
|
|
#En quelle saison sortent les meilleurs animes ?
|
|
dfAnimes %>%
|
|
group_by(saison)%>%
|
|
summarise(moy_ratings = sum(note)) -> dFRatingsSaison
|
|
#Les animes deviennent ils meilleurs avec le temps ?
|
|
dfAnimes %>%
|
|
group_by(annee)%>%
|
|
summarise(moy_ratings = sum(note)) -> dFRatingsAnnee
|
|
View(dFRatingsAnnee)
|
|
#En quelle saison sortent les meilleurs animes ?
|
|
dfAnimes %>%
|
|
group_by(saison)%>%
|
|
summarise(moy_ratings = sum(note), na.rm=TRUE) -> dFRatingsSaison
|
|
#En quelle saison sortent les meilleurs animes ?
|
|
dfAnimes %>%
|
|
group_by(saison)%>%
|
|
filter(!is_na(note))%>%
|
|
summarise(moy_ratings = sum(note)) -> dFRatingsSaison
|
|
#En quelle saison sortent les meilleurs animes ?
|
|
dfAnimes %>%
|
|
group_by(saison)%>%
|
|
filter(!isna(note))%>%
|
|
summarise(moy_ratings = sum(note)) -> dFRatingsSaison
|
|
#En quelle saison sortent les meilleurs animes ?
|
|
dfAnimes %>%
|
|
group_by(saison)%>%
|
|
filter(!is.na(note))%>%
|
|
summarise(moy_ratings = sum(note)) -> dFRatingsSaison
|
|
#En quelle saison sortent les meilleurs animes ?
|
|
dfAnimes %>%
|
|
group_by(saison)%>%
|
|
filter(!is.na(note))%>%
|
|
summarise(moy_ratings = mean(note)) -> dFRatingsSaison
|
|
dFRatingsSaison %>% ggplot(aes(saison, moy_ratings))+geom_bar()
|
|
dFRatingsSaison %>% ggplot(aes(saison, moy_ratings))+geom_col()
|
|
dFRatingsSaison %>% ggplot(aes(saison, moy_ratings))+geom_point()
|
|
#Les animes deviennent ils meilleurs avec le temps ?
|
|
dfAnimes %>%
|
|
group_by(annee)%>%
|
|
filter(!is.na(note))%>%
|
|
summarise(moy_ratings = mean(note)) -> dFRatingsAnnee
|
|
dFRatingsSaison %>% ggplot(aes(saison, moy_ratings))+geom_point()+geom_line()
|
|
dFRatingsAnnee %>% ggplot(aes(annee, moy_ratings))+geom_point()+geom_line()
|
|
dFRatingsSaison %>% ggplot(aes(saison, moy_ratings))+geom_point()
|
|
dFRatingsSaison %>% ggplot(aes(saison, moy_ratings, shape = saison, color = saison))+geom_point()
|
|
dFRatingsSaison %>% ggplot(aes(saison, moy_ratings, shape = saison, color = saison))+geom_count()
|
|
dFRatingsSaison %>% ggplot(aes(saison, moy_ratings, shape = saison, color = saison))+geom_jitter()
|
|
dFRatingsSaison %>% ggplot(aes(saison, moy_ratings, shape = saison, color = saison))+geom_bin2d()
|
|
dFRatingsSaison %>% ggplot(aes(saison, moy_ratings, shape = saison, color = saison))+geom_jitter()
|
|
dFRatingsSaison %>% ggplot(aes(saison, moy_ratings, shape = saison, color = saison))+geom_point()
|
|
dFRatingsSaison %>% ggplot(aes(saison, moy_ratings, shape = saison, color = saison))+geom_point(size = 3)
|
|
dFRatingsAnnee %>% ggplot(aes(annee, moy_ratings))+geom_point()+geom_line
|
|
dFRatingsAnnee %>% ggplot(aes(annee, moy_ratings))+geom_point()+geom_line()
|
|
dFSources %>% ggplot(aes(annee, nbAnimes, fill = source)) + geom_col()
|
|
#Nombre sources des animes par an
|
|
dfAnimes %>%
|
|
filter(source %in% c("original", "manga", "light_novel", "game", "visual_novel", "other", "novel")) %>%
|
|
group_by(source, annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> dFSources
|
|
dFSources %>% ggplot(aes(annee, nbAnimes, fill = source)) + geom_col()
|
|
library("jsonlite")
|
|
library("tidyverse")
|
|
data<-fromJSON("C:\\Users\\Marianne\\Desktop\\projet-analyse-exploratoire\\db_animes\\db_animes.json")
|
|
dfAnimes <- as.data.frame(data)
|
|
#Filtrage des animes sortis avant 1960 (pas de télé :() et après 2021 et des OVAs, films, etc
|
|
dfAnimes %>%
|
|
filter(start_season$year > 1960) %>%
|
|
filter(start_season$year < 2021) %>%
|
|
filter(media_type == "tv") -> dfAnimes
|
|
#Dedoublage de la colonne saison en annee et saison
|
|
dfAnimes %>%
|
|
mutate(annee = start_season$year) %>%
|
|
mutate(saison = start_season$season) -> dfAnimes
|
|
#Transformation de la colonne genre pour la rendre utilisable
|
|
getgenre <- function(i){
|
|
dfAnimes[i,13][[1]][[2]] -> res
|
|
return(res)
|
|
}
|
|
dfAnimes %>%
|
|
mutate(genres = lapply(1:4691, getgenre)) -> dfAnimes
|
|
#Nettoyage des colonnes non utilisées
|
|
dfAnimes <- select(dfAnimes, title, mean, rank, annee, saison, num_episodes, source, genres)
|
|
#Rename la colonne des notes utilisateurs pour eviter la confusion avec la fonction mean
|
|
rename(dfAnimes, note = mean) -> dfAnimes
|
|
View(dfAnimes)
|
|
View(dfAnimes)
|
|
#Nombre et pourcentage d'animes dits "fleuves" (estimes à plus de 50 episodes) parmis les nouveaux animes lancés chaque année
|
|
dfAnimes %>%
|
|
filter(num_episodes>50) %>%
|
|
group_by(annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> longbois
|
|
+ labs(y="Nombre de nouveaux animes sortis", x = "Année") +
|
|
ggtitle("Evolution du nombre d'animes dits \"fleuves\" de 1960 à 2020")
|
|
longbois %>% ggplot(aes(annee, nbAnimes)) + geom_point() + geom_line() + labs(y="Nombre de nouveaux animes sortis", x = "Année") +
|
|
ggtitle("Evolution du nombre d'animes dits \"fleuves\" de 1960 à 2020")
|
|
dfAnimes %>%
|
|
group_by(annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> allbois
|
|
left_join(longbois, allbois, by="annee", suffix = c("_long", "_all")) %>%
|
|
mutate(pourcentage_long = (nbAnimes_long/nbAnimes_all*100)) -> dFLong
|
|
longbois %>% ggplot(aes(annee, nbAnimes)) + geom_point() + geom_line() + labs(y="Nombre de nouveaux animes sortis", x = "Année") +
|
|
ggtitle("Evolution du nombre de nouveaux animes dits \"fleuves\" de 1960 à 2020")
|
|
+ labs(y="Poucentage de nouveaux animes \"fleuves\"", x = "Année") +
|
|
ggtitle("Evolution du pourcentage d'animes dits \"fleuves\" parmi les nouevaux animes de 1960 à 2020")
|
|
+ labs(y="Poucentage de nouveaux animes \"fleuves\"", x = "Année") +
|
|
ggtitle("Evolution du pourcentage d'animes dits \"fleuves\" parmi les nouevaux animes de 1960 à 2020")
|
|
dFLong %>% ggplot(aes(annee, pourcentage_long)) + geom_point() + geom_line() + labs(y="Poucentage de nouveaux animes \"fleuves\"", x = "Année") +
|
|
ggtitle("Evolution du pourcentage d'animes dits \"fleuves\" parmi les nouevaux animes de 1960 à 2020")
|
|
dFLong %>% ggplot(aes(annee, pourcentage_long)) + geom_point() + geom_line() + labs(y="Poucentage de nouveaux animes \"fleuves\"", x = "Année") +
|
|
ggtitle("Evolution du pourcentage d'animes dits \"fleuves\" parmi les nouveaux animes de 1960 à 2020")
|
|
#Evolution du nombre de lettres (moyenne et mediane) dans les titres
|
|
dfAnimes %>%
|
|
group_by(annee) %>%
|
|
summarise(lettres=mean(nchar(title))) -> meanLettersByYear
|
|
dfAnimes %>%
|
|
group_by(annee) %>%
|
|
summarise(lettres=median(nchar(title))) -> medLettersByYear
|
|
meanLettersByYear %>% ggplot(aes(annee, lettres)) + geom_point()+ geom_line() + labs(y="Nombre moyen de caractères", x = "Année") +
|
|
ggtitle("Nombre moyen de caractères dans les titres des nouveaux animes de 1960 à 2020")
|
|
#Evolution du nombre de caracteres (moyen et median) dans les titres
|
|
dfAnimes %>%
|
|
group_by(annee) %>%
|
|
summarise(lettres=mean(nchar(title))) -> meanLettersByYear
|
|
dfAnimes %>%
|
|
group_by(annee) %>%
|
|
summarise(lettres=median(nchar(title))) -> medLettersByYear
|
|
meanLettersByYear %>% ggplot(aes(annee, lettres)) + geom_point()+ geom_line() + labs(y="Nombre moyen de caractères", x = "Année") +
|
|
ggtitle("Nombre moyen de caractères dans les titres des nouveaux animes de 1960 à 2020")
|
|
longbois %>% ggplot(aes(annee, nbAnimes)) + geom_point() + geom_line() + labs(y="Nombre de nouveaux animes sortis", x = "Année") +
|
|
ggtitle("Evolution du nombre de nouveaux animes dits \"fleuves\" de 1961 à 2020")
|
|
dFLong %>% ggplot(aes(annee, pourcentage_long)) + geom_point() + geom_line() + labs(y="Poucentage de nouveaux animes \"fleuves\"", x = "Année") +
|
|
ggtitle("Evolution du pourcentage d'animes dits \"fleuves\" parmi les nouveaux animes de 1961 à 2020")
|
|
meanLettersByYear %>% ggplot(aes(annee, lettres)) + geom_point()+ geom_line() + labs(y="Nombre moyen de caractères", x = "Année") +
|
|
ggtitle("Nombre moyen de caractères dans les titres des nouveaux animes de 1961 à 2020")
|
|
View(meanLettersByYear)
|
|
View(meanLettersByYear)
|
|
medLettersByYear %>% ggplot(aes(annee, lettres)) + geom_point()+ geom_line() + labs(y="Nombre médian de caractères", x = "Année") +
|
|
ggtitle("Nombre médian de caractères dans les titres des nouveaux animes de 1961 à 2020")
|
|
#Nombre sources des animes par an
|
|
dfAnimes %>%
|
|
filter(source %in% c("original", "manga", "light_novel", "game", "visual_novel", "other", "novel")) %>%
|
|
group_by(source, annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> dFSources
|
|
dFSources %>% ggplot(aes(annee, nbAnimes, fill = source)) + geom_col() + labs(y="Nombre de nouveaux animes", x = "Année") +
|
|
ggtitle("Nombre de nouveaux animes sortis chaque année de 1961 à 2020")
|
|
#Nombre sources des animes par an
|
|
dfAnimes %>%
|
|
#filter(source %in% c("original", "manga", "light_novel", "game", "visual_novel", "other", "novel")) %>%
|
|
group_by(source, annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> dFSources
|
|
dFSources %>% ggplot(aes(annee, nbAnimes, fill = source)) + geom_col() + labs(y="Nombre de nouveaux animes", x = "Année") +
|
|
ggtitle("Nombre de nouveaux animes sortis chaque année de 1961 à 2020")
|
|
View(dFSources)
|
|
View(dFSources)
|
|
dFSources %>% ggplot(aes(source, nbAnimes, fill = annee)) + geom_col() + labs(y="Nombre de nouveaux animes", x = "Année") +
|
|
ggtitle("Nombre de nouveaux animes sortis chaque année de 1961 à 2020")
|
|
#Nombre sources des animes par an
|
|
dfAnimes %>%
|
|
#filter(source %in% c("original", "manga", "light_novel", "game", "visual_novel", "other", "novel")) %>%
|
|
group_by(source, annee) %>%
|
|
count() %>%
|
|
rename(nbAnimes = n) -> dFSources
|
|
dFSources %>% ggplot(aes(annee, nbAnimes, fill = source)) + geom_col() + labs(y="Nombre de nouveaux animes", x = "Année") +
|
|
ggtitle("Nombre de nouveaux animes sortis chaque année pour les de 1961 à 2020")
|
|
dFSources %>% ggplot(aes(annee, nbAnimes, fill = source)) + geom_col() + labs(y="Nombre de nouveaux animes", x = "Année") +
|
|
ggtitle("Répartition des sources nouveaux animes sortis chaque année de 1961 à 2020")
|
|
dFRatingsAnnee %>% ggplot(aes(annee, moy_ratings))+geom_point()+geom_line()+ labs(y="Note moyenne des animes sortis cette année", x = "Année") +
|
|
ggtitle("Note moyenne des nouveaux animes de 1961 à 2020")
|
|
dfAnimes %>%
|
|
group_by(annee)%>%
|
|
filter(!is.na(note))%>%
|
|
summarise(moy_ratings = median(note)) -> dFRatingsAnneeMed
|
|
dfAnimes %>%
|
|
group_by(annee)%>%
|
|
filter(!is.na(note))%>%
|
|
summarise(med_ratings = median(note)) -> dFRatingsAnneeMed
|
|
dFRatingsAnnee %>% ggplot(aes(annee, med_ratings))+geom_point()+geom_line()+ labs(y="Note médiane des animes sortis cette année", x = "Année") +
|
|
ggtitle("Note médiane des nouveaux animes de 1961 à 2020")
|
|
dfAnimes %>%
|
|
group_by(annee)%>%
|
|
filter(!is.na(note))%>%
|
|
summarise(med_ratings = median(note)) -> dFRatingsAnneeMed
|
|
dFRatingsAnnee %>% ggplot(aes(annee, med_ratings))+geom_point()+geom_line()+ labs(y="Note médiane des animes sortis cette année", x = "Année") +
|
|
ggtitle("Note médiane des nouveaux animes de 1961 à 2020")
|
|
dFRatingsAnneeMed %>% ggplot(aes(annee, med_ratings))+geom_point()+geom_line()+ labs(y="Note médiane des animes sortis cette année", x = "Année") +
|
|
ggtitle("Note médiane des nouveaux animes de 1961 à 2020")
|
|
dFRatingsAnnee %>% ggplot(aes(annee, moy_ratings))+geom_point()+geom_line()+ labs(y="Note moyenne des animes sortis cette année", x = "Année") +
|
|
ggtitle("Note moyenne des nouveaux animes de 1961 à 2020")
|
|
#En quelle saison sortent les meilleurs animes ?
|
|
dfAnimes %>%
|
|
group_by(saison)%>%
|
|
filter(!is.na(note))%>%
|
|
summarise(moy_ratings = mean(note)) -> dFRatingsSaison
|
|
dFRatingsSaison %>% ggplot(aes(saison, moy_ratings, shape = saison, color = saison))+geom_point(size = 3)+ labs(y="Note moyenne des animes sortis cette année", x = "Année") +
|
|
ggtitle("Note moyenne des nouveaux animes selon la saison")
|
|
dFRatingsSaison %>% ggplot(aes(saison, moy_ratings, shape = saison, color = saison))+geom_point(size = 3)+ labs(y="Note moyenne des animes sortis en cette saison", x = "Année") +
|
|
ggtitle("Note moyenne des nouveaux animes selon la saison")
|
|
dFRatingsSaisonMed %>% ggplot(aes(saison, moy_ratings, shape = saison, color = saison))+geom_point(size = 3)+ labs(y="Note médiane des animes sortis en cette saison", x = "Année") +
|
|
ggtitle("Note médiane des nouveaux animes selon la saison")
|
|
dfAnimes %>%
|
|
group_by(saison)%>%
|
|
filter(!is.na(note))%>%
|
|
summarise(moy_ratings = median(note)) -> dFRatingsSaisonMed
|
|
dFRatingsSaisonMed %>% ggplot(aes(saison, moy_ratings, shape = saison, color = saison))+geom_point(size = 3)+ labs(y="Note médiane des animes sortis en cette saison", x = "Année") +
|
|
ggtitle("Note médiane des nouveaux animes selon la saison")
|
|
#En quelle saison sortent les meilleurs animes ?
|
|
dfAnimes %>%
|
|
group_by(saison)%>%
|
|
filter(!is.na(note))%>%
|
|
summarise(moy_ratings = mean(note)) -> dFRatingsSaison
|
|
dFRatingsSaison %>% ggplot(aes(saison, moy_ratings, shape = saison, color = saison))+geom_point(size = 3)+ labs(y="Note moyenne des animes sortis en cette saison", x = "Année") +
|
|
ggtitle("Note moyenne des nouveaux animes selon la saison")
|
|
dfAnimes %>%
|
|
group_by(saison)%>%
|
|
filter(!is.na(note))%>%
|
|
summarise(moy_ratings = median(note)) -> dFRatingsSaisonMed
|
|
dFRatingsSaisonMed %>% ggplot(aes(saison, moy_ratings, shape = saison, color = saison))+geom_point(size = 3)+ labs(y="Note médiane des animes sortis en cette saison", x = "Année") +
|
|
ggtitle("Note médiane des nouveaux animes selon la saison")
|
|
####### Distribution des genres
|
|
distributeGenres <- function(i){
|
|
line <- as.data.frame(i$genres)
|
|
line %>%
|
|
rename(genres = 1) -> Genres
|
|
i[ , !(names(dfAnimes) %in% c("genres"))] -> anime
|
|
newdf <- cbind(anime, Genres)
|
|
return(newdf)
|
|
}
|
|
dfAnimesFinal <- data.frame(matrix(ncol = ncol(dfAnimes), nrow = 0))
|
|
x <- names(dfAnimes)
|
|
colnames(dfAnimesFinal) <- x
|
|
dfAnimesFinal
|
|
for(i in 1:nrow(dfAnimes)) {
|
|
row <- dfAnimes[i,]
|
|
animeWithGenres <- distributeGenres(row)
|
|
dfAnimesFinal <- rbind(dfAnimesFinal,animeWithGenres)
|
|
}
|
|
####### Distribution des genres
|
|
distributeGenres <- function(i){
|
|
line <- as.data.frame(i$genres)
|
|
line %>%
|
|
rename(genres = 1) -> Genres
|
|
i[ , !(names(dfAnimes) %in% c("genres"))] -> anime
|
|
newdf <- cbind(anime, Genres)
|
|
return(newdf)
|
|
}
|
|
dfAnimesFinal <- data.frame(matrix(ncol = ncol(dfAnimes), nrow = 0))
|
|
x <- names(dfAnimes)
|
|
colnames(dfAnimesFinal) <- x
|
|
dfAnimesFinal
|
|
for(i in 1:nrow(dfAnimes)) {
|
|
row <- dfAnimes[i,]
|
|
animeWithGenres <- distributeGenres(row)
|
|
dfAnimesFinal <- rbind(dfAnimesFinal,animeWithGenres)
|
|
}
|
|
warnings()
|
|
####### Plot the genre the most represented
|
|
dfAnimesFinal %>%
|
|
mutate(Nombre=sum(1)) %>%
|
|
group_by(genres) %>%
|
|
summarise(NombreGenre=sum(Nombre)) %>%
|
|
arrange(desc(NombreGenre)) -> mostCommonGenre
|
|
mostCommonGenre <- head(mostCommonGenre,10)
|
|
ggplot(mostCommonGenre,aes(x=reorder(genres,NombreGenre),y=NombreGenre)) +
|
|
geom_bar(stat='Identity',aes(fill=genres)) +
|
|
labs(y="Occurence", x = "Genre") +
|
|
ggtitle("Les 10 genres les plus représentés")
|
|
####### Evolution des 5 genres les plus représentés sur les 5 dernières années
|
|
dfAnimesFinal %>%
|
|
filter(annee>1999) %>%
|
|
mutate(Nombre=1) %>%
|
|
group_by(genres,annee) %>%
|
|
summarise(NombreGenre=sum(Nombre)) %>%
|
|
arrange(desc(NombreGenre)) %>%
|
|
group_by(annee) %>%
|
|
slice_max(order_by = NombreGenre, n = 5) -> mostCommonGenrePast10Years
|
|
ggplot(mostCommonGenrePast10Years,aes(x=annee,y=NombreGenre,color=genres)) +
|
|
geom_point() +
|
|
geom_line() +
|
|
labs(y="Occurence", x = "Genre") +
|
|
ggtitle("Evolution des 5 genres les plus représentés sur les 20 dernières années")
|